Der urbane Musikgeschmack
Die Webseite STADTKLÄNGE untersucht die distinktiven Musikgeschmäcker ausgewählter deutscher Städte im Kontext gesellschaftsbezogener Daten.
Es sollen mögliche Parallelen zwischen regionalem Musikgeschmack und Städtekriterien aufzeigt werden. Anhand von Daten-Visualisierungen kann nachgeforscht werden, wodurch der regionale Musikgeschmack einer Stadt beeinflusst werden könnte. Dadurch soll das Verständnis für lokale Musikgeschmäcker gefördert werden.
Es lassen sich die Top-10-Songs einer Stadt anhören, deren musikalische Attribute mit Sicht auf Städtekriterien untersuchen und Städte miteinander vergleichen.
Regionaler/Distinktiver Musikgeschmack
STADTKLÄNGE bezieht sich auf Städte-Playlisten von Spotify. Spotify wertet zur Generierung dieser Playlists die regional am meisten gehörten Songs aus und gibt diese auf der »Musical Map« aus. Es werden lediglich die distinktiven Songs gelistet, also diejenigen, die sich am Meisten zum Rest der Welt unterscheiden. Beliebte Chartsongs werden also nicht berücksichtigt, womit die für eine Stadt individuell Besonderen übrig bleiben.
Städtekriterien
Einwohner, Alter, Studierende, Kriminalität, Regentage, Stadionauslastung, Clubs
STADTKLÄNGE bezieht sich auf Städte-Playlisten von Spotify. Spotify wertet zur Generierung dieser Playlists die regional am meisten gehörten Songs aus und gibt diese auf der »Musical Map« aus. Es werden lediglich die distinktiven Songs gelistet, also diejenigen, die sich am Meisten zum Rest der Welt unterscheiden. Beliebte Chartsongs werden also nicht berücksichtigt, womit die für eine Stadt individuell Besonderen übrig bleiben.
Städtekriterien
Einwohner, Alter, Studierende, Kriminalität, Regentage, Stadionauslastung, Clubs
Musikattribute
Beliebtheit (popularity), Tanzbarkeit (danceability), Energie (energy), Heiterkeit (valence), Akustiklastigkeit (acousticness), Sprachlastigkeit (speechiness)
Spotify sammelt Hintergrunddaten über Songs. STADTKLÄNGE visualisiert obige Musikattribute, die sich aus den in Klammern gesetzten Hintergrunddaten von Spotify ableiten. Auf diesen einzelnen Skalen stuft Spotify jeden Song durch Algorithmen ein. Die Hintergrunddaten der Top-10 einer jeden Städte-Playlist werden gewichtet gemittelt und durch eine Linie visualisiert.
Wie sind die Visualisierungen zu lesen?
Die Visualisierungen sind sog. Tortendiagramme. Städtekriterien sind als eckige Fläche und Musikattribute als weiche Linie dargestellt. Ist ein Wert eher in der Nähe der Visualisierungsmitte, so ist er niedrig, die Stadt scored also niedrig in der Kategorie. Ist ein Wert weiter außen in der Nähe der Legende, dann ist er hoch.
Farben
Die Städtekriterien-Visualisierung ist nach dem Breitengrad der Stadt eingefärbt. Je wärmer die Farbe, desto südlicher die Stadt. Die Musikattribute-Visualisierung ist nach den durchschnittlichen Beats-per-minute der jeweiligen Stadtplaylist eingefärbt. Je wärmer die Farbe, desto schnellere Musik wird in der Stadt gehört.
Screens
Poster
